Виявлення переваг, недоліків архітектури і обчислювально-ефективних шляхів реалізації мереж. Дослідження методів побудови гібридних систем обробки інформації. Розробка й навчання нейронних мереж адаптивного резонансу. Використання систем м’яких обчислень.
Аннотация к работе
Національний технічний університет України Автореферат дисертації на здобуття наукового ступеня кандидата технічних наукРобота виконана в Національному технічному університеті України «Київський політехнічний інститут» Міністерства освіти і науки України на кафедрі конструювання електронно-обчислювальних апаратів. Калніболотський Юрій Максимович, Національний технічний університет України «КПІ», професор кафедри конструювання електронно-обчислювальних апаратів Захист відбудеться 17.05. 2010 р. о 15 годині на засіданні спеціалізованої вченої ради Д 26.002.17 у Національному технічному університеті України «КПІ» за адресою: 03056, м. З дисертацією можна ознайомитись у бібліотеці Національного технічного університету України «КПІ» за адресою: 03056, м.Аналіз методів мяких обчислень, притаманних символічним та емергентним системам обробки інформації (дедуктивні та індуктивні міркування, міркування на основі прецедентів, асоціативні міркування, нейронні мережі та еволюційні алгоритми), показує, що така група властивостей, як: чутливість до предметної області, генерація висновків, здатність до навчання, дедукція, здатність використовувати накопичені знання при зміні умов, асоціативний аналіз, чутливість до послідовності представлених даних більшою мірою притаманна лише двом методам мяких обчислень - штучним нейронним мережам та системам асоціативного міркування. Отже, саме ці, «нефоннеймовські», підходи до побудови систем мяких обчислень (СМО) для аналізу і обробки інформації вже акумулювали в собі розвинутий арсенал властивостей, а побудова гібридної системи на їх основі дозволяє підсилити слабкі моменти конкретного варіанту реалізації. Створення гібридної системи мяких обчислень (ГСМО) на базі нейронної мережі адаптивної резонансної теорії (АРТ), яка має властивості стабільності-пластичності памяті, для підвищення якості вирішення вищезазначених задач САПР у параметрах точності, швидкості, шумозахищеності та вимог до обчислювальних ресурсів через використання у шарі розпізнавання мережі радіально-базисної функції (РБФ) - є актуальною науково-прикладною задачею. Сферою застосування гібридної системи мяких обчислень на базі нейронної мережі адаптивної резонансної теорії як елементу САПР буде аналіз, обробка і класифікація обєктів проектування та баз даних з шаблонами проектних рішень (представлених у вигляді опису на штучній мові) на всіх етапах проектування (зовнішній, внутрішній) і на всіх рівнях деталізації і декомпозиції. на базі проведених досліджень розроблено новий клас нейронних мереж адаптивного резонансу з нейронами радіально-базисної функції зі збереженням функції пластичності-стабільності, розроблено інформаційну програму такої системи як елементу САПР і проведено перевірку теоретичних розробок на конкретних прикладах;Відповідно АРТ кластеризуюча система це система, де найкраще погоджений модуль E(t)w1(t) у час t, є рішенням наступного виразу: (1) де AFART(X(t), Wj(t)), звана функцією активації (AF), є відображенням: (2) міра між даними X і моделлю кластера визначеного вектором W, яка має обмеження: (3) де с - поріг чутливості (міра подібності векторів), який є визначеною оператором відносною величиною і забезпечує модель зовнішніх очікувань, тоді як MFART(X(t),Wj(t)), звана функцією відповідності (MF), є відображенням: (4) еквівалент нормальної міри «сумісності» між даними входу X і вектором W. Ефективна версія 2 функціонування (EART 2) передбачає, що функція (2) активації збільшується монотонно до функції (3), тобто: якщо AFART(X(t),Wj(t)) > AFART(X(t),Wh(t)), то MFART(X(t),Wj(t)) > MFART(X(t),Wh(t)) "X(t) IDD "Wj(t), Wh(t) I D p, і навпаки. У третьому розділі запропоновано і досліджено архітектуру нової гібридної нейронної мережі адаптивного резонансу з нейронами радіально-базисних функцій, яка в рамках класичної моделі функціонування АРТ долає визначені раніше недоліки та надає нові переваги у розвязанні задач кластеризації. Деякі задачі САПР належать до некоректних задач мінімізації функціоналу, тому що в цілому несуттєво, на якій елементній базі буде досягнуто мінімум функціоналу, а розвязком задачі є ціле сімейство функціоналів, які дають наближені рішення, що відповідають вимогам проектного завдання. У такому випадку важливим є питання оптимального обсягу навчального підручника для впевненого відпрацювання всіх навчальних прикладів, тобто підбору параметрів мережі таким чином, щоб мінімізувати: ,(17) де відповідно i-й вхідний і вихідний сигнал АРТ-РБФ мережі, F - функція, реалізована АРТ-РБФ мережею.Розроблено, досліджено та практично перевірено модель нової гібридної СМО на базі гібридної мережі - мережі адаптивного резонансу з радіально-базисними функціями - АРТ-РБФ мережі.